整体目录结构: 一.入门 二.开发第一个应用程序 三.自定义配置 四.测试 五.Groovy与Spring Boot Cli 六.在Spring Boot中使用Grails 七.深入Actuator 八.部署Spring Boot应用程序 附录A.Spring Boot开发者工具 附录B:Spring Boot起步依赖 附录C:配置属性 附录D:Spring Boot依赖 整体来说这本书说明了什么? 通过最简单的案例和文字系统性的介绍了SpringBoot的几个核心原理和知识点:起步依赖.自动配

UML:Unified Modeling Language(统一建模语言) 作为我专业学科里的一门语言,其目的就是交流,同客户交流,同自己交流. 用图像和文字,详细地讲解将要做的工程的 需求和功能细节   经过一长段历史的发展,UML已经成为一个成熟的交流平台了,有了规范的规则限制,统一了语言,也就统一的交流方法.所以,我的第一个认识就是UML非常重要. 大学上的课程中,初识UML是存留几个类型的图的印象. UML图分为两类图:结构型的图和行为型的图 (1)结构型的图(Structure Dia

周五实验室有同学报告了ICCV2013的一篇论文group sparsity and geometry constrained dictionary learning for action recognition from depth maps.这篇文章是关于Sparsing Coding的.Sparse coding并不是我的研究方向.在此仅仅是做个文献阅读后的笔记,权当开拓下我的视野. 从标题就能够看出,这篇论文试图通过学习到group sparsity和geometry constrain

The single-cell transcriptional landscape of mammalian organogenesis 老板已经提了无数遍的文章,确实很nb,这个工作是之前我们无法想象得,想想如何把我们的数据和他们的数据整合到一起. 文献阅读 | Molecular Architecture of the Mouse Nervous System 这篇侧重强调的是神经系统的单细胞发育过程测序. Mouse Organogenesis Cell Atlas (MOCA) - 所有

空间插值技术应用必读论文---P. Goovaerts, Geostatistical approaches for incorporating elevation into the spatial interpolation of rainfall. Journal of Hydrology, 2000, 113-129. 本博文从研究意义.研究区及预处理.所使用的插值方法以及对插值方法的评价这四个角度对该文进行了详细评述,并分析了该文的一些不足. 1内容评述 该文利用三种以高程作为辅助信息的

附: 如何看懂英文文献?(好) 看需求,分层次 如何总结和整理学术文献? Mendeley & Everything 如何在pdf文献上做笔记?福晰阅读器 自己感悟: 一篇专业文献通常会有几页到几十页不等,读文献是一个过于笼统的概念. 读文献必须要分为几个不同的程度(需求): 1.读着玩,了解领域动态. 那你看看摘要就好了,读懂标题,知道本文的核心结论就好.具体要求见知乎文章. 2.准备入一行,扩充知识面.重点读引言,看图表结果,大致了解本文的逻辑推理路线. 3.准备借鉴此文造自己的文章.这就是

为了记住并提醒自己阅读文献,进行了记录(这些论文都是我看过理解的),论文一直在更新中. 博一上学期: 1.week 6,2017.10.16 2014-Automatic Semantic Modeling of Indoor Scenes from Low-quality RGB-D Data using Contextual Tsinghua University, Cardiff University(清华大学,英国卡迪夫大学) 期刊来源:ACM Transaction on Graphi

1. IODC和 IODE ——  导航电文相关.iode/iodc是在GPS系统的ICD2中定义的参数,iode指星历数据事件,iodc指星钟数据事件. IOD 是 issue of data ,数据龄期,理解为:数据可用的起始时间与终止时间之差值.龄期, IODC是 issue of data clock 钟数据期号,标准定义是:本组卫星钟差参数的外推时间间隔,用本组卫星钟差参数对应的参考时刻toc与计算钟差参数所使用的最后一个观测数据之差来表示. IODE是 issue of data e

<重构网络-SDN架构与实现>: SDNLAB <重构网络-SDN架构与实现>新书有奖试读活动 资源下载 随笔 有幸拜读了李呈前辈和杨泽卫杨老师的作品<重构网络-SDN架构与实现>的前两个章节,晚辈阅读该书之后感悟和学习颇多,特此记之.由于我对章节一的印象十分深刻,所以本文主要是对章节一的小结和感想. 试读章节共有两章,第一章是"SDN重塑网络",第二章是"SDN南向协议",结构如下: Ch1.SDN重塑网络 1.1 SDN是什么

逐步会更新阅读过的AutoML文献(其实是NAS),以及自己的一些思考 Progressive Neural Architecture Search,2018ECCV的文章: 目的是:Speed up NAS by proposing an alternative algorithm (Progressive Search), 具体方法:采取Learning transferable architectures for scalable image recognition中相似的搜索空间,也就是

原文文献 Social BiGAT : Kosaraju V, Sadeghian A, Martín-Martín R, et al. Social-BiGAT: Multimodal Trajectory Forecasting using Bicycle-GAN and Graph Attention Networks[C]//Advances in Neural Information Processing Systems. 2019: 137-146. Cycle GAN : Zhu

文献引用 Amirian J, Hayet J B, Pettre J. Social Ways: Learning Multi-Modal Distributions of Pedestrian Trajectories with GANs[J]. 2019. 文章是继Social LSTM.Social GAN模型后的进一步提升,在理想的监控俯瞰数据库ETH.UCY上进行数据的预测.重点贡献有: 引入了注意力机制使模型自主分配对交互信息的关注. 舍弃了L2代价函数,引入基于互信息的Infor

目录 概览 HighLights Camera Intrinsic Matrix 笔记 Intrinsic Matrix Task-Error - 不确定性任务下确界的计算 输出假设的Laplace分布 Geometric Baseline 基于纯几何学的参照方法 公式总结 概览 近日在阅读"MonoLoco: Monocular 3D Pedestrian Localization and Uncertainty Estimation"文献,旨在解决定位图像中行人位置(本质上只预测距

目录 概览 描述:模型基于LSTM神经网络提出新型的Spatio-Temporal Graph(时空图),旨在实现在拥挤的环境下,通过将行人-行人,行人-静态物品两类交互纳入考虑,对行人的轨迹做出预测. 训练与测试数据库 数据库:ETH Walking Pedestrian & UCY Students and Zara 数据:请参见https://www.cnblogs.com/sinoyou/p/11227348.html QUESTION 数据库ETH和UCY中均只提供行人的轨迹坐标信息,

准备读四篇denovo的文献: Nature Biotechnology(2015) - Sequencing of allotetraploid cotton (Gossypium hirsutum L. acc. TM-1) provides a resource for fiber improvement Whole-genome sequencing of the snub-nosed monkey provides insights into folivory and evolutio

官方文档:Google Java Style 中文翻译版:Google Java编程风格指南, Hawstein's Blog 可以先看官方文档,遇到不确定有疑问的,可以再对照翻译版本阅读,加深理解. 记录两个以前没有注意到点. 5.2.1 包名称 包名称全部是小写字母,简单地将连续单词连接在以前(没有下划线). 例如:用 com.example.deepspace, 而不是 com.example.deepSpace 或 com.example.deep_space. 5.3 驼峰式命名法 以

先谈谈我对笔记类App的几点要求--原则是取其精华,略其糟粕,毕竟开发者们还在,App就会不断地被改进: 增删快捷方便:如完美支持Apple Pencil,特定场景下强大的录音功能,单词或短句涂改即可删除,全文本支持一键删除等: 搜索功能强大:如要能搜到包括图表公式在内的所有手写笔记: 备份齐全:至少支持一种不用FQ的同步方式,如Evernote.iCloud.OneDrive和坚果云: 查词效率高:支持Split View,全外文阅读时最好支持划词查词而非长按查词: 有个性化设置:如支持生成脑

开源实现 https://github.com/shihenw/convolutional-pose-machines-release(caffe版本) https://github.com/psycharo/cpm (tensorflow版本,但是只有用pre-trained model做predict,没有training) 论文原文下载地址:https://www.researchgate.net/publication/301880946_Convolutional_Pose_Machi

SpringBoot进阶用法 实现setApplicationContext //实现ApplicationContextAware接口,重写setApplicationContext方法 public class TestConfiguration implements ApplicationContextAware { @Override void setApplicationContext(ApplicationContext applicationContext) throws Bean

这次阅读的,是Strategies.py文件. 文件自身,是这么描述的: """Strategies for creating new instances of Engine types. These are semi-private implementation classes which provide the underlying behavior for the "strategy" keyword argument available on :f

最近准备用Resnet来解决问题,于是重读Resnet的paper <Deep Residual Learning for Image Recognition>, 这是何恺明在2016-CVPR上发表的一篇paper,在2015年12月已经发布在arXiv上,并且用文中所述的网络在 2015年 的ILSVRC获得分类任务冠军,在2015-COCO detection,segmentation 的冠军. 先说一下新的收获: 结合了caffe的prototxt才知道, F(x) + x ,是 el